面向集成相对能效的6G网络动态资源配置

随着6G网络技术的发展,组网区域内流量需求与网络容量分布之间的不匹配问题日益凸显,导致资源浪费现象严重。为了应对这一挑战,使用可衡量空间匹配程度的集成相对能效作为优化目标,通过结合提取动态时间特征的FourierGNN时序预测网络与提取空间特征的RBF网络,提出了一种动态资源配置算法优化基站的带宽与功率配置,通过设计两阶段运行机制解决RBF提取动态时间特征有限的问题,有效提高动态流量需求与网络容量之间的空间匹配性,实现集成相对能效的优化。通过数值实验,首先验证了所提算法比起基线算法与端到端算法分别有12.52%与13.47%的性能提升。其次,通过算法子模块的对比,验证了使用基于奇异值分解的稀疏压缩算法虽然损失了1.1%的性能,但是算法运行时间提升60%,实时性更好,同时相较于LSTM网络以及CNNLSTM网络,基于FourierGNN网络的算法有最大2.3%的性能提升。最后,根据所提算法运行机制对实际组网中的资源调度策略做出指导:流量快变时频繁使用两阶段运行机制消除RBF网络的累计误差,流量慢变时可以减少使用两阶段运行机制的频次,增强算法实时性。